Інформаційна система обробки медичних даних

Abstract

Метою кваліфікаційної роботи є розробка моделі прогнозування серцевих захворювань в якості основи інформаційної системи обробки медичних даних. У ході виконання кваліфікаційної роботи представлено ансамблеву модель глибокого стекінгу для підвищення ефективності прогнозування серцевих захворювань. Запропонована інформаційна система базується на інтеграції двох гібридних глибоких моделей – CNN-LSTM та CNN-GRU – із використанням класифікатора SVM як мета-моделі. Для підвищення точності та зменшення надлишковості ознак застосовано метод рекурсивного виключення ознак (RFE). Експериментальні дослідження проводились на двох наборах даних про серцеві захворювання, включаючи відомий набір Cleveland, із порівнянням результатів роботи моделі з класичними алгоритмами машинного навчання (LR, RF, K-NN, DT, NB). За результатами тестування, запропонована модель показала найвищу точність (ACC), повноту (REC), точність (PRE) та значення F1-міри серед усіх розглянутих моделей. Зокрема, для набору Cleveland досягнуто точності 97,17%, що перевищує результати аналогічних підходів, описаних у науковій літературі.